隨著社會(huì)的不斷發(fā)展,互聯(lián)網(wǎng)技術(shù)的大范圍普及,各行各業(yè)對(duì)于相關(guān)數(shù)據(jù)的需求呈現(xiàn)穩(wěn)步上升的趨勢(shì)。而大數(shù)據(jù)時(shí)代的出現(xiàn),實(shí)際上是在互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的背景下,不斷增長(zhǎng)的社會(huì)需求同相匹配的數(shù)據(jù)挖掘技術(shù)完美結(jié)合的產(chǎn)物。聚類分析是數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要的方法,近鄰傳播聚類算法(Affinity Propagation,AP)作為數(shù)據(jù)挖掘領(lǐng)域中一種可以高效快速完成數(shù)據(jù)聚類分析的方法,受到了國內(nèi)外專家學(xué)者的廣泛研究與推廣。但是,傳統(tǒng)的近鄰傳播聚類算法仍存在多種弊端,導(dǎo)致算法產(chǎn)生聚類性能低,聚類效果不佳等結(jié)果。基于此,本文以相似度為出發(fā)點(diǎn),在原始近鄰傳播聚類算法中引入多種不同的理論,致力于得到較優(yōu)的聚類結(jié)果,提高算法的聚類性能。本文主要研究?jī)?nèi)容如下:(1)以相似度的計(jì)算方式作為出發(fā)點(diǎn),針對(duì)傳統(tǒng)AP算法存在對(duì)數(shù)據(jù)類型敏感的弊端,提出一種新的基于加權(quán)相似度的自適應(yīng)近鄰傳播聚類算法(A Novel Self-Adaptive Affinity Propagation Clustering Algorithm based on Density Peak Theory and Weighted Similarity...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.4公式的函數(shù)曲線圖

16圖3.4公式的函數(shù)曲線圖圖3.5公式的函數(shù)曲線圖

圖3.5公式的函數(shù)曲線圖

16圖3.4公式的函數(shù)曲線圖圖3.5公式的函數(shù)曲線圖

圖3.6Iris聚類結(jié)果

圖3.6Iris聚類結(jié)果圖3.7Wine聚類結(jié)果

圖3.7Wine聚類結(jié)果

圖3.6Iris聚類結(jié)果圖3.7Wine聚類結(jié)果

本文編號(hào)：3926876